Abstract Background Therapeutic drugs used in cancer treatment have ineffectiveness and resistance to drug action problems. Anticancer peptides (ACPs) are selective and toxic to cancer cells and quickly produced. Thus, ACPs can be a satisfactory substitute for therapeutic drugs. We developed AI4ACP, a user-friendly web-server ACP predictor that can predict the anticancer property of query peptides, thus promoting the discovery of peptides with anticancer activity. Result Our results revealed that the performance of our ACP predictor trained using the new ACP collection was superior to that of the available high-performance ACP predictors. Conclusions AI4ACP is a user-friendly web-server ACP predictor that can be used to determine whether a query sequence is an ACP. This tool can be beneficial for drug development for cancer treatment. AI4ACP is freely accessible at https://axp.iis.sinica.edu.tw/AI4ACP/

Predicting drug responses based on individual transcriptomic profiles holds promise for refining prognosis and advancing precision medicine. Although many studies have endeavored to predict the responses of known drugs to novel transcriptomic profiles, research into predicting responses for newly discovered drugs remains sparse. In this study, we introduce scDrug+, a comprehensive pipeline that seamlessly integrates single-cell analysis with drug-response prediction. Importantly, scDrug+ is equipped to predict the response of new drugs by analyzing their molecular structures. The open-source tool is available as a Docker container, ensuring ease of deployment and reproducibility. It can be accessed at https://github.com/ailabstw/scDrugplus.